[論文レビュー] Using Linear Dynamical Topic Model for Inferring Temporal Social Correlation in Latent Space

Freddy Chong Tat Chua, Richard J. Oentaryo+1 more|arXiv (Cornell University)|Jan 6, 2015

Complex Network Analysis Techniques参考文献 41被引用数 3

ひとこと要約

本稿では、ユーザーのアイテム採用順序から潜在的トピック空間における時間的社会的相関（TSC）を推定するための線形力学的トピックモデル（LDTM）を提案する。時間的トピックダイナミクスをモデル化し、トピック分布の時系列に対してGranger因果性検定を適用することで、共同執筆において名前が最初に現れる著者が、後に続く著者に影響を与えることが明らかになった。影響力は時間の経過とともに減少する。

ABSTRACT

The abundance of online user data has led to a surge of interests in understanding the dynamics of social relationships using computational methods. Utilizing users' items adoption data, we develop a new method to compute the Granger-causal (GC) relationships among users. In order to handle the high dimensional and sparse nature of the adoption data, we propose to model the relationships among users in latent space instead of the original data space. We devise a Linear Dynamical Topic Model (LDTM) that can capture the dynamics of the users' items adoption behaviors in latent (topic) space. Using the time series of temporal topic distributions learned by LDTM, we conduct Granger causality tests to measure the social correlation relationships between pairs of users. We call the combination of our LDTM and Granger causality tests as Temporal Social Correlation. By conducting extensive experiments on bibliographic data, where authors are analogous to users, we show that the ordering of authors' name on their publications plays a statistically significant role in the interaction of research topics among the authors. We also present a case study to illustrate the correlational relationships between pairs of authors.

研究の動機と目的

• 確率的潜在空間表現を用いて、ユーザーのアイテム採用行動における時間的ダイナミクスをモデル化すること。
• 採用パターンの時間的相関に基づいて、ユーザー間の社会的影響関係を推定すること。
• 既存手法が社会的影響分析における時間的および因果的構造を無視するという限界を是正すること。
• 共同執筆における著者名順序が情報伝達ダイナミクスを反映しているという仮説を検証すること。
• 時系列的トピック分布を用いて、共同執筆ネットワークにおける影響力の時間的変化を定量化すること。

提案手法

• 確率的トピックモデリングと線形力学的システムを組み合わせた線形力学的トピックモデル（LDTM）を提案し、時間的トピック進化をモデル化する。
• EステップでGibbsサンプリングとカルマンフィルタを用いたEMアルゴリズムを用い、時間的各時点における潜在的トピック分布を推定する。
• MステップでKullback-Leibler発散の最小化を用いて、トピック遷移を支配するダイナミクス行列を推定する。
• 解釈可能で意味のあるトピック減衰パターンを確保するため、ダイナミクス行列に安定性および非負性制約を課す。
• LDTMの出力から各ユーザーごとのトピック分布の時系列を構築し、Granger因果性検定を可能にする。
• 共著者間のペアワイズGranger因果性検定を実施し、時間的社会的相関（TSC）値を算出する。

実験結果

リサーチクエスチョン

• RQ1 共著者間におけるトピック採用の時間的順序は、情報伝達パターンを反映しているか？
• RQ2 著者名順序と共同執筆における影響の方向性の間に統計的に有意な関係があるか？
• RQ3 共著者間の影響力の強さは、時間の経過とともにどのように変化するか？
• RQ4 出版物において名前が先に並ぶ著者は、後に並ぶ著者よりも影響力が強いのか？
• RQ5 TSC指標は、ランダム相関ではなく、実際の情報伝達をどれだけ反映しているか？

主な発見

• TSCが著者iからjに及ぶ確率が、jからiに及ぶ確率を上回る割合を測るRatio指標は、常に0.5未満であり、名前が後に並ぶ著者が、前に並ぶ著者により強く影響を受けることを示している。
• Ratioは時間の経過とともに減少し、共同執筆期間が長くなるにつれて、後に並ぶ著者が前に並ぶ著者に与える影響力が低下することが示された。
• 第二著者（i）は、一般的な後に並ぶ著者よりも、第一著者（j）により強い影響を与えることが示され、著者順序が影響力ダイナミクスに果たす役割が明らかになった。
• 最終著者（i）は、第二著者よりも第一著者（j）に強く影響を与えることが示され、経験年数や貢献度のレベルが影響力パターンに影響を及けることが示された。
• 研究結果は、仮説AB、AZ、Bf_Afを棄却し、著者名順序がトピック採用における方向的影響と相関していることを確認した。
• 本研究は、潜在的トピックダイナミクスから導かれる時間的社会的相関が、学術的共同作業における意味的で統計的に有意な情報伝達パターンを明らかにできることを示した。